Teorema espectral para matrices simétricas: enunciado y ejemplos

Actualizado el
El teorema espectral dice que toda matriz simétrica real se puede diagonalizar usando una base de vectores propios perpendiculares entre sí. En la práctica significa que una matriz simétrica, vista en los ejes adecuados, solo estira o encoge en direcciones perpendiculares. Sirve para calcular potencias de matrices, clasificar formas cuadráticas y cónicas, y es la base del análisis de componentes principales.
Enunciado
Sea A una matriz real n×n simétrica (AT = A). Entonces:
- Todos sus valores propios λ1, …, λn son números reales.
- Los vectores propios de valores propios distintos son ortogonales.
- Existe una base ortonormal de ℝn formada por vectores propios de A.
Dicho con matrices: existe una matriz ortogonal Q (es decir, QTQ = I) y una matriz diagonal Λ tales que
A = Q Λ QT
Las columnas de Q son los vectores propios normalizados y la diagonal de Λ contiene los valores propios en el mismo orden. Esta igualdad es la descomposición espectral de A. Desarrollándola se obtiene otra forma muy usada:
A = λ1 q1q1T + λ2 q2q2T + … + λn qnqnT
Cada sumando qiqiT es la matriz de la proyección ortogonal sobre la recta del vector propio qi. La matriz queda escrita como una suma de proyecciones multiplicadas por sus valores propios.
Vocabulario: espectro y radio espectral
- Espectro de una matriz: el conjunto de sus valores propios. De ahí el nombre del teorema.
- Radio espectral ρ(A): el mayor valor absoluto de los valores propios. Para una matriz simétrica coincide con su norma 2, es decir, con el máximo factor por el que puede estirar un vector.
- Matriz ortogonal: aquella cuya inversa es su traspuesta. Representa un giro o una simetría, que no cambia longitudes ni ángulos.
Ejemplo 1: una matriz 2×2
Sea A = [[2, 1], [1, 2]] (filas separadas por comas).
- Polinomio característico: det(A − λI) = (2 − λ)2 − 1 = λ2 − 4λ + 3 = (λ − 1)(λ − 3). Valores propios: λ1 = 1 y λ2 = 3, ambos reales, como garantiza el teorema.
- Para λ = 1: (A − I)v = 0 da x + y = 0, vector (1, −1). Para λ = 3: (A − 3I)v = 0 da x − y = 0, vector (1, 1).
- Comprobación de ortogonalidad: (1, −1)·(1, 1) = 1 − 1 = 0.
- Normalizamos dividiendo entre √2: q1 = (1, −1)/√2 y q2 = (1, 1)/√2.
Resultado: Q = (1/√2)·[[1, 1], [−1, 1]] y Λ = diag(1, 3), con A = QΛQT. Geométricamente, A deja igual la dirección (1, −1) y estira por 3 la dirección (1, 1).
Ejemplo 2: una matriz 3×3
Sea A = [[2, 0, 0], [0, 3, 4], [0, 4, 9]].
- La primera fila y columna están separadas, así que λ = 2 es valor propio con vector (1, 0, 0).
- Queda el bloque [[3, 4], [4, 9]]: traza 12 y determinante 27 − 16 = 11. Su polinomio es λ2 − 12λ + 11 = (λ − 1)(λ − 11).
- Para λ = 1: 2y + 4z = 0 → vector (0, 2, −1). Comprobación: A·(0, 2, −1) = (0, 6 − 4, 8 − 9) = (0, 2, −1).
- Para λ = 11: −8y + 4z = 0 → vector (0, 1, 2). Comprobación: A·(0, 1, 2) = (0, 3 + 8, 4 + 18) = (0, 11, 22) = 11·(0, 1, 2).
- Los tres vectores son ortogonales dos a dos. Normalizados: (1, 0, 0), (0, 2, −1)/√5 y (0, 1, 2)/√5.
Así, A = QΛQT con Λ = diag(2, 1, 11) y Q la matriz con esas tres columnas. El radio espectral es ρ(A) = 11.
Para qué sirve
Potencias de una matriz
Como QTQ = I, se cumple Ak = QΛkQT, y elevar una diagonal es elevar cada número. Con la matriz del ejemplo 1 sale Ak = ½·[[3k + 1, 3k − 1], [3k − 1, 3k + 1]]. Para k = 5: A5 = [[122, 121], [121, 122]], ya que (243 + 1)/2 = 122 y (243 − 1)/2 = 121.
Formas cuadráticas y cónicas
La expresión 2x2 + 2xy + 2y2 es xTAx con la matriz del ejemplo 1. En los ejes de los vectores propios se convierte en u2 + 3v2, sin término cruzado. Como los dos valores propios son positivos, la forma es definida positiva y la curva 2x2 + 2xy + 2y2 = 1 es una elipse con semiejes 1 y 1/√3, girada 45°. Este es el método que se usa para reducir cónicas y cuádricas a su forma canónica.
Otras aplicaciones
- En estadística, la matriz de covarianzas es simétrica; sus vectores propios son las direcciones de máxima variación (análisis de componentes principales).
- En mecánica, el tensor de inercia es simétrico y sus vectores propios son los ejes principales de inercia.
- En física cuántica, los observables son operadores hermíticos y sus valores propios son los resultados posibles de una medida.
Idea de la demostración
Primero se ve que los valores propios son reales: si Av = λv con v complejo, entonces v̄TAv es a la vez λ‖v‖2 y su propio conjugado (por la simetría), así que λ es real. Después, si Au = λu y Av = μv con λ ≠ μ, se tiene λ(u·v) = (Au)·v = u·(Av) = μ(u·v), luego u·v = 0. Para el caso de valores propios repetidos se razona por inducción: se toma un vector propio unitario q1, se observa que A transforma el subespacio perpendicular a q1 en sí mismo, y se aplica la hipótesis de inducción a la restricción, que sigue siendo simétrica.
Qué pasa si la matriz no es simétrica
| Matriz | ¿Diagonalizable? | ¿Base ortonormal de vectores propios? |
|---|---|---|
| Simétrica real | Siempre | Sí (teorema espectral) |
| [[1, 1], [0, 1]] | No (solo un vector propio independiente) | No |
| [[0, −1], [1, 0]] (giro de 90°) | No en los reales: valores propios ±i | No en ℝ2 |
| Hermítica o, en general, normal (complejas) | Sí, con matriz unitaria | Sí, en ℂn |
La versión compleja del teorema dice que una matriz es diagonalizable mediante una matriz unitaria si y solo si es normal (AA* = A*A). Las simétricas reales y las hermíticas son casos particulares.
Errores habituales
- Olvidar normalizar los vectores propios. Sin normalizar, Q no es ortogonal y la inversa de Q ya no es QT.
- Con valores propios repetidos, tomar dos vectores propios que no son perpendiculares. Hay que ortogonalizarlos dentro de su subespacio, por ejemplo con Gram-Schmidt.
- Poner los vectores en Q en un orden distinto del de los valores propios en Λ.
- Aplicar el teorema a una matriz que no es simétrica. Comprueba antes que AT = A.
Si en el cálculo de los vectores propios te atascas con la dimensión de los subespacios, el teorema del rango y la nulidad te dice cuántos vectores independientes esperar. Para los determinantes del polinomio característico en matrices grandes viene bien el desarrollo de Laplace, y el teorema fundamental del álgebra garantiza que ese polinomio tiene n raíces complejas contadas con multiplicidad.
Preguntas frecuentes
¿Qué dice el teorema espectral en pocas palabras?
Que toda matriz simétrica real tiene valores propios reales y se puede escribir como A = QΛQᵀ, con Q ortogonal (columnas de vectores propios perpendiculares y unitarios) y Λ diagonal.
¿Qué es el radio espectral de una matriz?
El mayor valor absoluto de sus valores propios. Por ejemplo, si los valores propios son 2, 1 y 11, el radio espectral es 11.
¿Toda matriz es diagonalizable?
No. [[1, 1], [0, 1]] no lo es. Las matrices simétricas reales sí lo son siempre, y además con una base ortonormal.
¿Qué es la descomposición espectral?
Escribir A como suma de λᵢ·qᵢqᵢᵀ, es decir, como combinación de proyecciones ortogonales sobre sus vectores propios, con los valores propios como coeficientes.
RELACIONADOS